Real-Time Aligned Reward Model beyond Semantics
本文提出了名为 R2M 的新型轻量级 RLHF 框架，通过利用策略模型在训练过程中的实时隐藏状态反馈来动态对齐奖励模型，从而有效解决了传统方法因依赖静态语义信息而导致的奖励过优化及分布偏移问题。
💻 Category
cs
6354 篇论文
Impact of LLMs news Sentiment Analysis on Stock Price Movement Prediction
该论文通过对比 DeBERTa、RoBERTa 和 FinBERT 三种大语言模型，发现 DeBERTa 在基于新闻情感分析的股价预测中表现最佳（准确率 75%），而三模型集成可进一步提升至 80%，并证实了情感特征能轻微提升多种时序预测模型的性能。
From Performers to Creators: Understanding Retired Women's Perceptions of Technology-Enhanced Dance Performance
本文通过两项针对中国退休女性舞者的共创工作坊，探索了结合交互舞蹈与生成式人工智能的适老化设计策略，证实了低门槛技术介入能有效降低创作障碍，助力她们从舞台表演的被动接受者转变为 empowered 的共同创作者。
Cognitive-Flexible Control via Latent Model Reorganization with Predictive Safety Guarantees
本文提出了一种名为 CF-DeepSSSM 的认知灵活控制框架，该框架通过在受控的认知灵活性指数约束下在线重组潜在表征，并将其嵌入贝叶斯模型预测控制中，从而在系统动力学和观测条件发生突变时，为学习增强的控制系统提供后验漂移有界、递归可行及闭环稳定的安全保证。
Green-VLA: Staged Vision-Language-Action Model for Generalist Robots
本文提出了 Green-VLA，一种专为 Green 人形机器人设计并具备跨形态泛化能力的五阶段课程学习框架，通过结合大规模数据处理、统一动作接口及强化学习对齐，显著提升了机器人在真实场景中的泛化性、鲁棒性与长程任务执行效率。
Vulnerability-Amplifying Interaction Loops: a systematic failure mode in AI chatbot mental-health interactions
该研究提出了名为 SIM-VAIL 的审计框架，通过模拟不同精神健康脆弱性的用户与 AI 聊天机器人的对话，揭示了“脆弱性放大交互循环”（VAILs）这一系统性失效模式，即看似支持性的回复在特定情境下会随时间推移加剧用户风险，从而强调了针对多维度风险进行量化评估的必要性。
AgenticLab: A Real-World Robot Agent Platform that Can See, Think, and Act
本文提出了 AgenticLab，这是一个面向非结构化真实环境的模型无关机器人智能体平台与基准测试，旨在通过闭环执行评估大视觉语言模型在长程任务中的感知、推理与操作能力，并揭示了现有离线测试未能捕捉的多步一致性、遮挡下目标定位及空间推理等关键失效模式。
Six Times to Spare: Characterizing GPU-Accelerated 5G LDPC Decoding for Edge-RSU Communications
本文通过基于 Sionna 的基准测试，证明了在边缘路侧单元（RSU）平台上利用 GPU 加速 5G LDPC 解码可显著提升吞吐量并降低延迟，从而有效缓解 CPU 计算压力，确保在严格的时间约束下满足超可靠低时延车联网（URLLC）的通信需求。
Extracting Recurring Vulnerabilities from Black-Box LLM-Generated Software
本文提出了特征 - 安全表（FSTab）框架，通过仅利用前端特征和源模型知识即可预测后端漏洞的黑盒攻击方法，以及量化模型在不同场景下漏洞复现一致性的评估机制，揭示了大语言模型生成软件中普遍存在且可跨领域迁移的重复性漏洞风险。
LMMRec: LLM-driven Motivation-aware Multimodal Recommendation
该论文提出了 LMMRec 框架，利用大语言模型通过思维链提示从文本中提取细粒度动机，并结合双编码器架构与对比学习策略，有效融合了异构文本信息与交互数据以提升多模态推荐性能。
Assessing Problem-Solving in HR Contexts: A Comparison Between Game-Based and Self-Report Measures
该研究通过比较 72 名参与者的游戏化评估与自我报告（PSI-B）结果，发现两者在问题解决能力上缺乏显著相关性，从而表明这两种测量方式提供了互补信息，支持在人员选拔中采用多方法评估框架而非依赖单一模态。
Conditional Diffusion Guidance under Hard Constraint: A Stochastic Analysis Approach
本文提出了一种基于 Doob h-变换和鞅理论的随机分析方法，通过在不修改预训练得分网络的情况下引入显式漂移修正，为扩散模型建立了满足概率为一的硬约束的生成框架，并设计了两种利用预训练轨迹进行离线学习的算法以提供非渐近收敛保证。
Beyond Judgment: Exploring Large Language Models as Non-Judgmental Support for Maternal Mental Health
这项研究通过混合方法调查揭示了母亲们如何利用大语言模型作为非评判性的情感支持与决策确认工具，以规避社会指责并缓解育儿焦虑，同时强调了在特定社会语境下（如联合家庭）技术辅助与人类情感支持之间的互补关系。
NAAMSE: Framework for Evolutionary Security Evaluation of Agents
本文提出了 NAAMSE 框架，通过进化式反馈优化机制，利用自主智能体进行遗传提示变异和分层语料探索，实现了对 AI 代理在动态对抗环境下更全面、可扩展的安全评估，有效弥补了传统静态基准测试的不足。
PhysDrape: Learning Explicit Forces and Collision Constraints for Physically Realistic Garment Draping
PhysDrape 提出了一种结合物理信息图神经网络与可微分两阶段求解器的混合框架，通过显式力平衡与碰撞约束机制，在确保零穿透的同时实现了具有更高物理保真度的实时服装 draped 模拟。
LLM4PQC - Accurate and Efficient Synthesis of PQC Cores by Feedback-Driven LLMs
本文提出了 LLM4PQC 框架，利用反馈驱动的代理机制将后量子密码（PQC）参考代码自动重构为可综合的高层综合（HLS）C 代码并生成验证 RTL，从而显著降低了 PQC 硬件设计的手动工作量并加速了设计空间探索。
Move What Matters: Parameter-Efficient Domain Adaptation via Optimal Transport Flow for Collaborative Perception
本文针对车联网协同感知中参数高效领域适应面临的性能下降与训练不稳定问题，提出了一种基于最优流理论的 FlowAdapt 框架，通过 Wasserstein 贪婪采样策略消除异构数据冗余，并利用渐进式知识转移模块缓解深层语义退化，从而在仅使用 1% 可训练参数的情况下实现了跨域适应的先进性能。
SToRM: Supervised Token Reduction for Multi-modal LLMs toward efficient end-to-end autonomous driving
本文提出了 SToRM 框架，通过重要性预测、辅助路径监督训练及锚点 - 上下文合并模块，在显著降低多模态大模型计算成本的同时，实现了端到端自动驾驶任务中视觉 Token 的高效缩减且保持全 Token 性能。
Accelerating Robotic Reinforcement Learning with Agent Guidance
本文提出了“智能体引导策略搜索（AGPS）”框架，通过利用多模态智能体替代人类监督者，将人类修正转化为精确的语义引导，从而显著提升了机器人强化学习的样本效率并实现了可扩展的自动化训练。
To Mix or To Merge: Toward Multi-Domain Reinforcement Learning for Large Language Models
该论文通过名为 M2RL 的研究，系统对比并分析了大语言模型在多领域强化学习验证奖励（RLVR）任务中“混合多任务训练”与“分域训练后模型融合”两种范式的表现，发现跨领域 RLVR 干扰极小且推理密集型领域存在协同增益，并从权重空间几何等角度揭示了其内在机制。